ANÁLISIS DE LOS DATOS LOS 10 PASOS DE LA INVESTIGACIÓN

Presentación del tema: "ANÁLISIS DE LOS DATOS LOS 10 PASOS DE LA INVESTIGACIÓN"— Transcripción de la presentación:

1 ANÁLISIS DE LOS DATOS LOS 10 PASOS DE LA INVESTIGACIÓN
9 ANÁLISIS DE LOS DATOS LOS 10 PASOS DE LA INVESTIGACIÓN Objetivo Comprender los principales métodos estadísticos desarrollados para el análisis de los datos, así como como la forma de interpretar sus resultados. Manual de clases Paso 9 de: LOS 10 PASOS DE LA INVESTIGACIÓN CIENTÍFICA Última modificación: 07 de febrero de 2015 Edison Coimbra G. 1

2 ÍNDICE DEL CONTENIDO Análisis de los datos ― Paso 9 de Los 10 pasos de la Investigación Científica ÍNDICE DEL CONTENIDO 1.- Análisis de los datos (Modelo matemático preliminar. Programas para analizar datos. Proceso del análisis de datos). 2.- Análisis de estadística descriptiva (Ejemplos con estadística descriptiva). 3.- Evaluación de confiabilidad (Ejemplo con evaluación de confiabilidad). 4.- Análisis de la hipótesis (Análisis paramétrico de la hipótesis. Ejemplo con análisis paramétrico de la hipótesis. Resultado del análisis de la hipótesis. Ejemplo con resultado del análisis). Referencias bibliográficas. Links de los documento de la colección. 2

3 1.- ANÁLISIS DE LOS DATOS Es el Paso 9 de la investigación científica
(Sampieri, 2010) 7.Seleccionar la muestra 8.Recolectan datos 9.Análisis de los datos 10.Reporte de la investigación De la cual se Se preparan para el Y concluye con el Y definir y Pasos de la ejecución 6. Diseñar la investigación Los resultados del análisis de los datos se usan para comprobar el grado de validez de la hipótesis. Para validarla corresponde Pasos del diseño metodológico 5.Formular hipótesis De donde se procede a 4.Alcance de la investigación ANÁLISIS DE LOS DATOS Descripción Analizar los datos implica generar resultados que aporten evidencia en favor de la hipótesis, o en contra. Los datos se analizan con métodos estadísticos, pues son el producto de mediciones que se representan por números. Permite visualizar el 3.Marco teórico Llevan al Pasos del planteamiento del problema 2.Problemas Objetivos Ayuda a identificar 1.Idea Si los datos se recolectan de una muestra probabilística, sus resultados se infieren a toda la población. 3

4 MODELO MATEMÁTICO PRELIMINAR
Es habitual que se tenga un modelo matemático preliminar (Sampieri, 2010) MODELO MATEMÁTICO PRELIMINAR Característica Preguntas a responder Tipo de patrón Primero se decide qué tipo de patrón se busca en los datos. ¿Se quieren usar las variables para clasificar casos o individuos? ¿O se desean analizar variables inconexas, o bien las relaciones entre diversas variables? Propósito final Otra decisión importante se refiere al propósito final. ¿Se desea describir cómo es el actual estado del objeto de investigación? ¿O se desea descubrir cómo debe ser el objeto de investigación: qué grado de las cualidades medidas sería óptimo? El modelo matemático preliminar guarda relación con los objetivos de la investigación. 4

5 PROGRAMAS PARA ANALIZAR DATOS
¿Cuál es el programa más difundido? (IBM, 2010) PROGRAMAS PARA ANALIZAR DATOS Existen diversos programas computacionales para el análisis estadístico; uno de los más difundidos es el SPSS de IBM. ¿Cómo funcionan estos programas? Incluyen 2 partes Descripción Matriz de variables Donde se definen las variables, explicando los valores de la codificación ítem por ítem. de datos Donde se introducen los datos. Es una hoja de cálculo. Matriz de variables Matriz de datos El programa SPSS es el más difundido. 5

6 Proceso del análisis de datos
Se esquematiza en 3 fases (Sampieri, 2010) FASES DEL PROCESO DEL ANÁLISIS DE DATOS – RESUMEN GENERAL Fase Descripción Recursos A. Analizar la estadística descriptiva para cada variable. Se describen los datos, valores, puntaciones y distribución de frecuencias para cada variable. Se representan mediante tablas y gráficos. Se calculan las medidas de tendencia central y de variabilidad o dispersión. Principales estadísticas descriptivas: Medidas de tendencia central: media, mediana, moda, suma. Medidas de variabilidad o dispersión: desviación típica y rango. Varianza: varianza. B. Evaluar la confiabilidad del instrumento de medición. La confiabilidad se calcula y evalúa para todo instrumento utilizado. Si el instrumento contiene varias escalas para diferentes variables, la confiabilidad se establece para cada escala. Procedimientos más utilizados: Medida de estabilidad: se aplica 2 veces. Medida de consistencia interna: Alfa de Cronbach. C. Analizar la hipótesis mediante pruebas estadísticas. En la estadística inferencial, la hipótesis es una proposición respecto a uno o varios parámetros. El análisis consiste en determinar si la hipótesis es congruente con los datos de la muestra. Análisis más utilizados: Paramétricos: coeficiente de correlación de Pearson, regresión lineal, prueba t, análisis de varianza. No paramétricos: Chi cuadrada, coeficientes de correlación. El análisis se efectúa sobre la matriz de datos, la cual se guarda como archivo. 6

7 PRINCIPALES ESTADÍSTICAS DESCRIPTIVAS
2.- ANÁLISIS DE ESTADÍSTICA DESCRIPTIVA ¿Cómo se generan las estadísticas en el SPSS? (IBM, 2010) Analizar  Estadísticos descriptivos  Frecuencias  Seleccionar variable  Estadísticos:….  Continuar  Gráficos:…  Continuar  Aceptar. PRINCIPALES ESTADÍSTICAS DESCRIPTIVAS Tipos Descripción Principales Medidas de tendencia central Son los valores medios o centrales de una distribución de frecuencias que la ubican dentro de la escala de medición. Media, Mediana, Moda, Suma. Medidas de variabilidad Son intervalos que indican la dispersión de los datos. Responden a la pregunta: ¿dónde están diseminados los valores? Desviación típica (o estándar), Rango. Varianza Es la desviación estándar al cuadrado. Es un concepto estadístico; muchas de la pruebas se fundamentan en ella. Varianza. Los resultados se presentan en tablas y gráficos. 7

8 Ejemplo con estadística descriptiva
Medición de actitud con escala Likert Ejemplo 1.- Actitud hacia el alcalde de Sucre Encuesta Resultados Interpretación Ítem.- ¿Qué opinión tiene sobre el alcalde de Sucre? 5. Totalmente favorable 4. Favorable 3. Indiferente 2. Desfavorable 1. Totalmente desfavorable. Media = 4,2 En promedio, las opiniones se ubican en 4.2, es decir la actitud hacia el Alcalde es favorable. Mediana = 3,9 El 50% opinó por encima de 3.9, y el restante por debajo. Moda = 4,0  La respuesta que más se repitió fue 4. Desviación típica = 0,7  Los valores se desvían de 4.2, un promedio de 0.7 unidades. Rango = 3,0 Mínimo = 2,0 Máximo= 5,0  Las puntuaciones tienden a ubicarse en valores medios o elevados.  Nadie opinó en forma totalmente desfavorable (1). Los resultados se pueden presentar en tablas 8

9 Ejemplos con estadística descriptiva
Interpretación de resultados (Sampieri, 2010) Ejemplo 2.- Actitud hacia el alcalde de Riberalta Encuesta Resultados Interpretación Ítem.- ¿Qué opinión tiene sobre el alcalde de Riberalta? 5. Totalmente favorable 4. Favorable 3. Indiferente 2. Desfavorable 1. Totalmente desfavorable. Los resultados se presentan en un gráfico de barras que muestra porcentajes.  Solo el 33,4 % de los ciudadanos expresa una opinión positiva (favorable o muy favorable) Ejemplo 3.- Docentes comprometidos con diseño curricular Encuesta Resultados Interpretación Ítem.- ¿Está usted comprometido con el nuevo diseño curricular de la UTC? 1. Si 2. No 3. No responde Los resultados se presentan en un gráfico de sectores que muestra porcentajes. El 74.6 % (3/4 partes) de los Docentes está comprometido.  Llama la atención que el 21.3% (más de una 1/5 parte) no quiso comprometerse con su respuesta.  Los 4 motivos de no compromiso fueron: “falta de interés”, “rechazo al cambio”, “falta de concientización” y “conformismo”. Los resultados se pueden presentar en gráficos. 9

10 EVALUACIÓN DE CONFIABILIDAD DEL INSTRUMENTO DE MEDICIÓN
¿Cuáles son los procedimientos más utilizados? (Sampieri, 2010) EVALUACIÓN DE CONFIABILIDAD DEL INSTRUMENTO DE MEDICIÓN Criterio de evaluación Todos los procedimientos utilizan fórmulas que producen coeficientes de confiabilidad que oscilan entre 0 (nula confiabilidad) y 1 (máxima confiabilidad). Procedimientos Preguntas a responder Más utilizados Medida de estabilidad ¿Responden las unidades muestrales de una manera similar a un instrumento si se administra dos veces? El instrumento se aplica 2 veces. Si la correlación entre ambos resultados es cercana a 1, se lo considera confiable. Medida de consistencia interna ¿Las respuestas a los ítems del instrumento son coherentes? El instrumento se aplica una sola vez y se calcula el coeficiente de confiabilidad Alfa de Cronbach para variables de escala. Todos los procedimientos utilizan fórmulas estadísticas. 10

11 Ejemplo con evaluación de confiabilidad
Medida de consistencia interna (Gargallo, 2009) Ejemplo 4.- Medida de consistencia interna del Test AF5 Instrumento a evaluar El Test AF5 utilizado para medir el autoconcepto de 306 estudiantes (tamaño de la muestra) de la UAGRM. La evaluación se realiza con el coeficiente Alfa de Cronbach. Se generan los coeficientes para cada dimensión del autoconcepto y total. Analizar  Escala  Análisis de fiabilidad  Seleccionar variable  Seleccionar modelo para el cálculo: alfa  Escribir la etiqueta de la escala  Aceptar. Coeficientes de confiabilidad para cada dimensión del autoconcepto y total Académico Social Emocional Familiar Físico Total Alfa de Cronbach 0,83 0,71 0,47 0,59 0,72 0,81 Participantes 306 Interpretación Pregunta: ¿las respuestas a los ítems del instrumento son coherentes? Respuesta: todos los valores son más que aceptables (cercanos al 1), salvo los de las dimensiones Emocional y Familiar, cuyos coeficientes no son demasiado altos, 0,47 y 0,59 respectivamente. El autoconcepto se presenta con 5 dimensiones. 11

12 ANÁLISIS DE LA HIPÓTESIS MEDIANTE PRUEBAS ESTADÍSTICAS
Se realiza mediante pruebas estadísticas (Sampieri, 2010) ANÁLISIS DE LA HIPÓTESIS MEDIANTE PRUEBAS ESTADÍSTICAS Criterio de la prueba Determinar si la hipótesis es congruente con los datos de la muestra. Algunos procedimientos utilizan fórmulas que producen coeficientes de correlación que oscilan entre 1.00 (correlación negativa perfecta) y (correlación positiva perfecta). Análisis Límites Más utilizados Paramétrico Para variables de escala en hipótesis correlacional y causal. Coeficiente de correlación de Pearson, Regresión lineal, Prueba t, Análisis de varianza. No paramétrico Para variables ordinales y nominales en hipótesis correlacional. Chi cuadrada, Coeficientes de correlación. Los análisis producen coeficientes de correlación. 12

13 COEFICIENTE DE CORRELACIÓN DE PEARSON
Análisis paramétrico de la hipótesis Se utiliza el coeficiente de correlación de Pearson (Sampieri, 2010) COEFICIENTE DE CORRELACIÓN DE PEARSON Evento Descripción Análisis Se analiza la relación entre 2 variables de escala de hipótesis causal o correlacional del tipo “A mayor X, mayor Y”, “A mayor X, menor Y”. La prueba no considera variables independiente ni dependiente; la noción de causa-efecto se establece teóricamente. Valores del coeficiente Se calculan a partir de la relación entre las puntuaciones recolectadas de una variable con las recolectadas de la otra. Puede variar entre 1,00 y +1,00. 1.00 = Correlación negativa perfecta (A mayor X, menor Y). 0.50 = Correlación negativa media. 0.00 = No existe correlación alguna entre las variables. +0.50 = Correlación positiva media. +1.00 = Correlación positiva perfecta (A mayor X, mayor Y) Las pruebas no evalúan causalidad, solo relación. 13

14 Matriz de correlación entre autoconcepto y calificaciones
Ejemplo con análisis paramétrico de la hipótesis Con el coeficiente de correlación de Pearson (Gargallo, 2009) Ejemplo 5.- Análisis de hipótesis con coeficiente de correlación de Pearson Hipótesis a analizar “El autoconcepto de estudiantes universitarios tiene una relación positiva con su rendimiento académico”. El coeficiente se calcula a partir de las puntuaciones medias de las 5 dimensiones de autoconcepto y el promedio de calificaciones, de 306 estudiantes de la UAGRM. Se genera una matriz de correlación entre autoconcepto y calificaciones. Analizar  Correlaciones  Bivariadas  Seleccionar variables  Coeficiente de correlación: Pearson  Prueba de significación: bilateral  Continuar  Aceptar. Matriz de correlación entre autoconcepto y calificaciones Académico Social Emocional Familiar Físico Calificación 1 0,232 0,077 0,216 0,310 0,257 0,203 0,228 0,308 0,022 0,052 0,178 0,039 0,091 0,113 0,319 0,099 Otros Participantes: Significancia: 0,01 (bilateral) Interpretación Hay relación positiva entre la calificación y el autoconcepto Académico (0,257), Emocional (0,039) y Familiar (0,113). Hay relación negativa, aunque débil, con Social (0,022) y Físico (0,099). Se afirma, aunque no con la contundencia deseada, que la hipótesis pasa la prueba satisfactoriamente. La significancia es la probabilidad de error de que la correlación sea verdadera (0,01  1% ). El coeficiente de relación de Pearson varía entre 1,00 y +1,00 14

15 RESULTADO DEL ANÁLISIS DE LA HIPÓTESIS UTILIDAD DE LA HIPÓTESIS
¿Qué aporta el resultado del análisis? (Sampieri, 2010) RESULTADO DEL ANÁLISIS DE LA HIPÓTESIS Descripción El resultado obtenido en el análisis aporta evidencia en favor de la hipótesis, o en contra. Una hipótesis probada, es decir con evidencia a su favor, tiene un impacto en el conocimiento disponible, que puede modificarse y, por consiguiente, pueden surgir nuevas hipótesis (Williams, 2003). UTILIDAD DE LA HIPÓTESIS Utilidad Descripción Guía la investigación Proporciona orden y lógica a la investigación durante el proceso de la investigación. Las sugerencias que formula pueden ser soluciones al problema investigado. Proporciona explicaciones Cada vez que una hipótesis recibe evidencia a su favor, el conocimiento sobre el fenómeno al que hace referencia se incrementa. Si es en contra, se descubre algo acerca del fenómeno que no se sabía. Refuerza teorías Cuando varias hipótesis de una teoría reciben evidencia positiva, la teoría se hace más robusta. Sugiere teorías Llega a suceder que, como resultado de la prueba de una hipótesis, se pueda construir una teoría o las bases para ésta. Las hipótesis son instrumentos para el avance del conocimiento. 15

16 Ejemplo con resultado del análisis
Se debe resaltar el conocimiento que aporta Medida de consistencia interna Ejemplo 6.- Influencia del autoconcepto Hipótesis probada Conclusiones “El autoconcepto de estudiantes universitarios tiene una relación positiva con su rendimiento académico”. Los resultados del análisis corroboran la relevancia del autoconcepto como un constructo interesante en educación que tiene relación positiva con el rendimiento académico; y específicamente dos tipos de autoconcepto: el académico y el familiar. Estos resultados ayudan a los Docentes a tomar conciencia de la importancia de apoyar el desarrollo de un buen autoconcepto en los estudiantes universitarios.  En último término, el autoconcepto se revela como una variable que no se debe despreciar de cara a potenciar el ajuste del estudiante y su buen desempeño. Es importante mencionar que la confiabilidad del instrumento de medición respalda los resultados obtenidos. 16

17 FIN Referencias bibliográficas Paso 9 de: Edison Coimbra G.
¿Cuáles son las referencias bibliográficas? Gargallo, B., Garfella, P., Sánchez, F. & otros. (2009). La influencia del autoconcepto en el rendimiento académico de los estudiantes universitarios. REOP. Vol. 20, Nº 1, 1er Trimestre, 2009, Hernández Sampieri, R. & otros (2010). Metodología de la Investigación - Quinta Edición. México: McGraw Hill. IBM SPSS. (2010). Manual del usuario del sistema básico de IBM SPSS Statistics 19. Madrid: SPSS, Inc. FIN Paso 9 de: LOS 10 PASOS DE LA INVESTIGACIÓN CIENTÍFICA Edison Coimbra G. 17

18 LINKS DE LOS DOCUMENTOS
Links de los documentos de la colección Los 10 pasos de la Investigación Científica LINKS DE LOS DOCUMENTOS 0.Introduccion. Los 10 pasos de la Investigación Científica 1.La idea. Paso 1 de la Investigación Científica 2.El problema. Paso 2 de la Investigación Científica 3.Sustento teórico. Paso 3 de la Investigación Científica 4.Alcance de la investigación. Paso 4 de la Investigación Científica 5.Hipótesis. Paso 5 de la Investigación Científica 6.Diseño de la investigación. Paso 6 de la Investigación Científica 7.Selección de la muestra. Paso 7 de la Investigación Científica 8.Recolección de datos. Paso 8 de la Investigación Científica 9.Análisis de los datos. Paso 9 de la Investigación Científica 10.Reporte de la investigación. Paso 10 de la Investigación Científica 18